Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Egészségügyi Informatika Óravázlat
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék IB422/C (463)-20-87
[email protected]
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 1/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Tartalomjegyzék 1.Bevezetés az Orvosi Informatikába..............................................................................................................................4 1.1.Egészségügyi (orvosi) informatika fogalma........................................................................................................4 1.2.Fejlődése....................................................................................................................................................................4 1.3.Információ.................................................................................................................................................................5 1.4.Alapvető alkalmazások...........................................................................................................................................6 1.5.Érdekességek............................................................................................................................................................7 2.Képfeldolgozás................................................................................................................................................................8 2.1.Bevezetés...................................................................................................................................................................8 2.2.Látás...........................................................................................................................................................................8 2.3.Képkorrekció..........................................................................................................................................................11 2.4.Szegmentálás..........................................................................................................................................................12 2.5.Színes képek...........................................................................................................................................................14 2.6.Bináris képek..........................................................................................................................................................15 2.7.Restauráció..............................................................................................................................................................18 2.8.Orvosi felhasználás................................................................................................................................................19 2.9.3D modellezés........................................................................................................................................................22 2.10.Képi adatbázisok..................................................................................................................................................22 2.11.szubpixeles módszerek.......................................................................................................................................22 3.Robotika az orvostudomány szolgálatában..............................................................................................................23 3.1.Fogalmak.................................................................................................................................................................23 3.2.Alkalmazások az orvostudományban................................................................................................................23 3.3.Robotok felépítése..................................................................................................................................................24 3.4.Mikrorobotika........................................................................................................................................................26 4.Adattárolás....................................................................................................................................................................30 4.1.Általános.................................................................................................................................................................30 4.2.XML.........................................................................................................................................................................30 4.3.Adatbázisok............................................................................................................................................................33 5.Kommunikáció..............................................................................................................................................................36 5.1.Lehetőségek............................................................................................................................................................36 5.2.Vezetékes kommunikáció.....................................................................................................................................36 5.3.Mobil kommunikáció............................................................................................................................................37 5.4.Műholdas kommunikáció.....................................................................................................................................38 5.5.Kábel TV..................................................................................................................................................................39 5.6.Internet....................................................................................................................................................................39 6.Orvosi képalkotás.........................................................................................................................................................42 6.1.Ultrahang................................................................................................................................................................42 6.2.Radiológia...............................................................................................................................................................43 6.3.Számítógépes tomográfiára épülő eljárások......................................................................................................44 7.Egyéb alkalmazások.....................................................................................................................................................46 7.1.EKG..........................................................................................................................................................................46 7.2.EEG..........................................................................................................................................................................47 7.3.Egyéb alkalmazások..............................................................................................................................................49 8.Irodalom.........................................................................................................................................................................50
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 2/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Előszó Az óravázlat elsősorban az előadó munkáját segítendő készült, így számos információt nem tartalmaz. A benne találtak nem minden esetben elegendőek a tananyag elsajátításához!
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 3/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
1. Bevezetés az Orvosi Informatikába
Eg és zs ég üg y
Orvosi informatika (Medical Informatics) → Egészségügyi informatika (Health Informatics)
egészségügyi informatika
In f
or
m
at
ika
orvosi informatika
1.1. Egészségügyi (orvosi) informatika fogalma A számítógépek és orvostudományban.
az
információk
használatának
tanulmányozása
az
egészségügyben
és
az
„Az egészségügyi informatika a számítógépek, a kommunikáció, az informatika és az információs rendszerek alkalmazása az egészségügy minden területén - a betegellátásban, az egészségügyi képzésében, valamint az orvosi kutatásokban.” (MF Collen, MEDINFO '80, Tokyo) „Az egészségügyi informatika a tudásnak és a technikának egy olyan fejlődő eleme, mely az információk szervezésével foglalkozik az orvosi kutatások, a képzés és a betegellátás támogatása érdekében…. Az egészségügyi informatika magában egyesíti az orvostudomány, valamint az információ-elmélet és számítástudomány számtalan technikai és tudományos elemét és olyan módszertant ad, mely lehetővé teszi az orvosi tudás jobb alkalmazását és ezáltal hozzájárul a jobb, eredményesebb betegellátáshoz.” (Amerikai Orvosszövetség – AAMC) 1.1.1. Az egészségügyi ellátás célja A jó egészségi állapot biztosítása (prevenció és gyógyítás): keleti kultúrák- elsősorban megelőzés az egészségügyben használt adatok struktúrája és használata ezen nyugszik a cél csak megfelelő struktúrákon keresztül biztosítható 1.1.2. Tématerületek (Informatika – egészségügy interdiszciplina) Jel- (elektromos, akusztikai, stb.), ill. képfeldolgozás Adattárolás, -keresés Adatátvitel, kommunikáció Adminisztráció, pénzügy, eü. gazdaságtan Biostatisztika Teljesítménymérés, minőségbiztosítás 1.2. Fejlődése Ókorban: szóbeli, tapasztalatok Középkor vége: Nyomtatás Jelenkori e-forradalom: multimédia és hálózatok 1.2.1. Egészségügyi információs rendszerek '60 – első számítógépek, kutatás: EKG, diagnosztika Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 4/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
'70 – CT, adminisztráció, korai könyvtárrendszerek, kutatás: őrző-riasztó rendszerek Eü. Reform I - Pénzügyi adatok elszámolási céllal '80 – vizsgálati eredményközlés, ambuláns betegellátás, klinikai rendszerek és -adatbázisok, kutatás: Mesterséges intelligencia Eü. Reform II - Klinikai Információs Rendszerek '90 – integráció, kommunikáció Eü. Reform III - Integrált egészségügyi hálózatok '00 – standardizálás, interfészek, kódolás, minőségbiztosítás 1.2.2. Az új évezred Multimédia Elektronikus Kórtörténet Teljes körű kórházi információsrendszerek Otthonápolás monitorozással idős/utókezelt betegeknek Betegellátás, mint kiskereskedés tradicionális gyógyítás, preventív medicina, öngyógyszerezés, kuratív medicina: alapellátás szintjén “The Wellness Guardian” 1.2.3. Generációs szakadék Ma keresünk, találunk; holnap szűrnek és alkalmaznak Lassú fejlődés 1.3. Információ jel: jelkészlet, jelsorozat. jelentés: elemi közlés – nominális attribútum vagy fogalom-reláció-fogalom 1.3.1. Rendszerezés egészségügyi környezetben Jel - numerikus - analóg - képi - szöveges 1.3.2. Tartalom (rétegek) megfigyelés értelmezés … osztályozás 1.3.3. Az információ feldolgozása numerikus → decimális - bináris konverzió analóg → A/D konverzió
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 5/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
képi → képdigitalizálás szöveges → ASCII kód konverzió jelentés elveszik. 1.3.4. Képfeldolgozás képi adatbázisok (tárolás, visszakeresés, továbbítás: PACS- Picture Archiving and Communication System) képminőség javítása (kontrasztosítás, fényesség, színtelítettség stb.) mintafelismerés (kör vagy púposteve?) intelligens képfeldolgozás (igazolható-e tüdőrák a mellkas-felvétel alapján?) 1.3.5. Szövegfeldolgozás szabad szöveg, elemzés nélkül(szövegszerkesztő) - jelentés elveszik, holt adat. struktúrált adatbevitel kódolt adatbevitel természetes nyelvfeldolgozás 1.3.6. A számítógépes adatábrázolás következményei kis helyen nagy adatsűrűség egyidejűleg több helyen hozzáférhető információ szükségszerűen nagyobb rendezettség többféle rendezési szempont szerint megjeleníthető információ “dinamikusan” olvasható 1.4. Alapvető alkalmazások 1.4.1. Táblázatkezelők Adatbázistáblák két dimenziós megjelenítése · Külső belső hivatkozások · számított mezők automatikus kiértékelése · 2- ill. 3 dimenziós grafikai kiegészítő szolgáltatások Rekordok: sorok; mezők: oszlopok 1.4.2. Szövegszerkesztők · nincs előre definiált adatstruktúra · előre gyártott “konzerv szövegek” (auto-text) · formátum (nyomtatási kép) lehetőségek · helyesírási és nyelvi ellenőrzés · más rendszerekben beépített szolgáltatásként használhatók
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 6/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
1.5. Érdekességek 1.5.1. A század 10 legfontosabb népegészségügyi eredménye (Centers for Disease Control and Prevention in Atlanta) 1.
Vaccinatio
2.
A gépjárművek biztonsága
3.
Munkahelyi biztonság
4.
A fertőző betegségek kontrollja
5.
A koronária betegségek és a stroke csökkenése
6.
Biztonságos és egészséges táplálék
7.
Anya- és csecsemővédelem
8.
Családtervezés
9.
Ivóvíz fluorizálása
10. A dohányzás egészségkárosító hatásának bizonyítása 1.5.2. Korunk XXI sz. sajátosságai A világ legsikeresebb 100 vállalata értékesíti a javak több mint 20%-át és foglalkoztatja a munkaerő 0,5%-át. A Shell gazdaságilag egyenlő Dél-Afrikával, a General Motors gazdaságilag egyenlő Argentínával, a Mitsubishi gazdaságilag kétszer akkora mint Hong Kong. A világ top 10 vállalatának értékesítési forgalma 1995-ben megegyezett 125 ország GDP-jével. Az emberiség 2/3-a nem reménykedhet, hogy valaha is e globális cégeknél dolgozhat vagy, hogy megvásárolja ezek termékeit. A számítógépek egyre több, korábban speciálisnak tekintett munkát is el tudnak már látni - fenyegetve ezzel a képzett szellemi munkások állásait. Amerika 500 legsikeresebb vállalatának 70%-a már használ Mesterséges Intelligencia alkalmazásokat. A mostani az első olyan technológiai forradalom, amely nem párosul valamilyen társadalmi vízióval (pl. ipari forradalom: szabadság, egyenlőség, testvériség és a polgári liberalizmus kiépítése) Korunk fiataljainak kérdései: A virtualitás milyen filozófiai, tudományos, gondolkozásbeli, életviteli változásokat hoz, mennyi idő kell, amíg a gépek előtt ülőket is programozni tudják? Az információ hatalom! Kinek a kezébe kerül, ki élhet vissza az emberek manipulálhatóságával? Mennyire lesz kötelező a fejlődés követése? Fogadjuk el vagy harcoljunk?… Új társadalmi szakadékok: információ-szegények ill. információ-gazdagok, "átlagos dolgozók" ill. "tehetségesek", tömegkutatásban ill. elitképzésben részesülők. Egyre kevesebb ember egyre többet dolgozik. Egyre kevésbé leszünk felkészülve a váratlan helyzetek kezelésére. A legfontosabb lépés, hogy az adatból információ legyen, jó kérdés fél siker és bízni, hogy van válasz. Egy lehetőség: a non-profit szektor megerősítése. Meg kell adóztatni a modern technológiákat és a befolyt összegeket az egészségügy, a kultúra, a nevelés és a szociális ügyek terén tevékenykedő civil szervezetek támogatására kell fordítani. (A globalizálódó gazdaság épp ezeken "spórol".)
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 7/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
2. Képfeldolgozás 2.1. Bevezetés 2.1.1. A vizsgálatok célja Felhasználás Objektum felismerés Objektum felmérés Pozíció Adaptív folyamatszabályozás
Mit mér Kontúrok, felületek, struktúrák Méretek, kontúrok Térbeli helyzet Folyamatváltozók
Példa vérsejtek szétválogatása minőség ellenőrzés robotkarok, szervek varrás
2.1.2. Számítógépes képfeldolgozás – számítógépes grafika Természetes (analóg) kép feldolgozott (digitális) kép kép leíró adatbázis Generált (mesterséges) kép 2.1.3. Képfeldolgozás lépései Képbevitel Előfelolgozás Szegmentáció Lényeg kiemelés Felismerés és interpretáció 2.1.4. Terminológia − Mintatér, szürkeségi szint, felbontás, pixel − Tulajdonságtér, lényegkiemelés − Döntés − Képjavítás − Pontszerű, lokális és globális műveletek − Két dimenziós képfeldolgozás − Három dimenziós képfeldolgozás − Látószög, nagyítás, mélységélesség, mélységi élesség − Geometriai torzítás 2.2. Látás 2.2.1. A kép keletkezése 2.2.2. Az emberi látás 390-760 nm szemlencse recehártya (látógödör) kép átmérő: 0,3 mm pálcikák: a látógödör közepén kívül, a recehártyán gyenge fény, FF kép. érzékeny 100-120 millió. csapocskák: színek, elsősorban fovea., 6,5 millió A szem felépítése Kívül: Cornea Elülső szemcsarnok Sclera (ínhártya)
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 8/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Középen (Uvea – érhordó): Iris corpus ciliare (sugártest) fibrae zonulares (rostok) Choroidea (érhártya) Belül: lencse Üvegtest (corpus vitreum) Retina (ideghártya) fovea centralis (látógödör) papilla nervi optici (vakfolt) Színérzékelés Additív színképzés (RGB – piros, zöld, kék) Subtratív színképzés (CMY – türkiz, bíbor, sárga) Alapok Radiancia – kisugárzott energia Luminancia – érzékelt energia Fényesség – szubjektív fogalom – FF intenzitás Emberi szem: RGB – CIE1931 primer színek (más is lehetne): R=700 nm G=546,1 nm B=435,8 nm primerek keveréke szekunder színek. Általános leírás fényesség (intensity, brightness) szín (hue) domináns frekvencia - kromacitás telítettség (saturation) fehér tartalom - kromacitás Kromacitás diagram Dr. Ferenczy Pál: Videó és hangrendszerek. RGB: tristimulus XYZ: trikromatikus koefficiensek (x+y+z=1) fényerő 62%G, 25%R, 13%B diagram széle: spektrum színek Látás Objektív, min 3 sajátosság Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 9/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Színárnyalat (hue): hullámhossz függő. Nincs minden szín a spektrumban pl. bíbor: vörös+kék; különböző spektrális eloszlás ugyanolyannak látszhat. világosság (intensity): energiasűrűség. Pl. barna=sárga, kisebb intenzitással. telítettség (saturation): mekkora fehér összetevő. A spektrum színek monokromatikusak, tehát 100% telítettségűek. Relatívérzékenység zöldnél (585 nm) legnagyobb (piros: 610, kék: 470) Fehér fény színhőmérséklete: abszolút fekete test hőmérséklete, melynek sugárzása azonos spektrális összetételű (6500 K, 9300 K) Kontrasztérzékelés (fekete fehér látás) kontraszt – logaritmikus egység
}
f 2 − f 1 f 3− f 2 f 1− f 2 = ; Azonos kontraszt érzet f1 f2 f 2− f 3 Δf közel állandó (Weber-féle tört) f háttér jelentősen befolyásolja (ha eltér, míg a másik kettő hasonló) Kontraszt küszöb az ugrásoknál lokálisan csökken (jobban látható) Síkfrekvencia növekedése rontja a méret és irányérzékelést. 2.2.3. Alak és textúra Makroszerkezet: folytonosság (sima), zártság, háttér leválasztás, szabálysértő alakzatok Mikroszerkezet (textúra)
2.2.4. A kép fogalma Mintavételezés, visszaállítás
K ×L – K−1 ⋅Δx , L−1 ⋅Δy Kvantálás Árnyalatok felbontása kvantumokra. Lineáris – nem lineáris (pl. bemenőjel sűrűségétől függ). Kvantálási hiba, bizonyos szintekre kevesebb, máshova több jut. Hiba (négyzetes) minimalizálása optimális kvantlás. Optimális kvantáló döntési szintjei a kvantumszintek felezőpontjain helyezkednek el. A kvantumszintek a sűrűségfüggvény darab (döntési szintek határolják) alatti terület súlypontja. Pl. mindig felezni. Ha egyenletes a sűrűségfüggvény egyenletes kvantálás optimális Ahol több a világosságkód, sűrűbben kvantáljuk. Színmélység / felbontás csökkentése:hasonló hatás (isopreferenciális görbék)
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 10/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Fourier transzformáció (folytonos, diszkrét) Képfrekvenciák meghatározása (pl. mintavételi síkfrekvencia) transzformált kép frekvenciában tartalmazza az eredetit 2.3. Képkorrekció Torzítások, zajhatások Emberi szemlélő, vagy további feldolgozás számára 2.3.1. Világosságkód-transzformációk Hisztogram hisztogram táblázat (annyi elemű, ahány világosságkódok értékkészlete) ábrázolás lépcsőfüggvény
χ ' qi =N q - N pixelek száma adott világosságszinten i χ qi =c⋅
Nq N
i
- c relatív gyakoriság
normalizált hisztogram, ha c=1 (Σ=1). Skálázások
{Q b } , {Q k } q bm , q bM , qkm , qkM teljes / sávzsugorító transzformáció (kontraszt kiemelés) / tetszés szerinti transzformáció (mon csökkenő: inverz, rétegszintes, lokális kontraszt kiemelés)
Képvágások (küszöbözés) Hisztogram-transzformációk Cél: a hisztogram előre meghatározott alakú legyen összehasonlítás, eloszlás-független tulajdonságok analízise, utólagos eloszlásfüggő kvantálás (hisztogramkiegyenlítés) iterációs módszerek 2.3.2. Szűrés képtartományban alapművelet (konvolúció):
f x , y ∗g x , y ⇔ F u , v ⋅g u , v aluláteresztő szűrő (domb), felülátersztő szűrő (körbe völgy), sáváteresztő szűrő (völgy körül domb) Pl. ideális, Butterworth, Exponenciális, trapézszűrő… Mind kép, mind frekvenciatartományban.
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 11/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Élkiemelés kettős cél: szubjektív érzet javítása, szegmentálás előkészítése. általában lokális jellemzők alapján Differenciaoperátor Laplace operátor Zajelnyomás Átlagolás
∣ ∣
1 1 ×1 9 1
1 1 1
1 1 … ablak súlya ne változzon! 1
Nemlineáris szűrők (medián) pl.:
∣
∣
10 20 20 20 15 20 ⇒∣10 , 15 , 20 , 20 , 20 , 20 , 20 , 25 ,100∣ medián 20 25 100
Példák…(pontszerű zajt szűr!) Élesítő szűrők
∣ ∣
∣ ∣
−1 −1 −1 1 × −1 8 −1 – élkiemelés, súly 0. 9 −1 −1 −1 −1 −1 −1 1 × −1 w −1 – high boost szűrő, ahol w=9A-1 (A>=1) 9 −1 −1 −1 2.3.3. Szűrés frekvenciatartományban sima szűrő körbeforgatva a 0 tengely körül. Alul-áteresztő szűrő henger középen Felül-áteresztő szűrő inverz Homomorf szűrő f(x,y)lnFFTH(u,v)IFFTexpg(x,y) emberi látás logaritmikus karakterisztikájának szűrése. Kapcsolat a képtartománybeli szűrőkkel 2.4. Szegmentálás Lépései (képpontok osztályozása, ponthalmazok keresése, osztály sajátosságok meghatározása)
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 12/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
2.4.1. Régió alapú (szintek hasonlósága) Küszöbözés objektumok szintjei különbözőek. Hisztogramon egyértelműen elvágható. Optimális: statisztikai módszerek. Küszöbválasztás kontúr alapján: csak azokat a pontokat vizsgáljuk, melyek határátmenet környékén vannak (hisztogram nem függ a méretektől (nagyobb régió átfedése nagyobb) Régió-növesztés a, szegmentálás teljes:
n
∪ R i= R
i=1
b, a régiók pontjai kapcsolódnak c, a régiók nem lapolna át:
Ri ∩R j=φ , minden i és j-re, ahol i ≠ j
d, azonos tulajdonságú pontok alkotják e, a különböző régiók különböznek. Régió növelése kitüntetett gyökérpontokból indul, ezek megválasztása kulcskérdés Split&merge cél: ne kelljen gyökérpont. Módszer:addig osztjuk ketté, míg abban minden pixel egy régióhoz nem tartozik.. Utána egyesítjük, ha több egy régióhoz tartozik. K-means, Mean-shift vektorok: színösszetevők (RGB, L*u*v*, L*a*b*), tér /idő koordináták, egyéb lényegi kiemelések vektorok alapján klaszterezés – sűrűsödési pontok (hegycsúcsok) megkeresése, vektorok osztályozása 2.4.2. Kontúr alapú (Diszkontinuitás) gyors változás Pontkeresés élkiemelő szűrő.
∣
∣
−1 −1 −1 2 2 2 : irányérzékeny −1 −1 −1
második derivált null-átmenete. Gradiens jellegű operátorokkal SOBEL-operátor
∣
∣
−1 −2 −1 0 0 0 differenciál és szűr egyszerre 1 2 1
Laplace operátor Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 13/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
∣
0 −1 0 −1 4 −1 0 −1 0
Orvosi Informatika Gépészmérnöki Kar Óravázlat
∣
konvolúciós szűrők Legjobb illesztés Élkorrekció Görbeillesztés (Hough-transzformáció) Heurisztikus Fogyasztás 2.5. Színes képek Színérzet előállítása Színes képek tárolása Színmodellek (RGB, HLS, LAB) RGB – kocka átlójában szürkeárnyalatok (feketefehér), probléma: intenzitás moduláció, árnyék kiegyenlítés. CMY – szekunder színmodell, türkiz felületet fehér fénnyel megvilágítva a pirost nem veri vissza, azaz kivonja a fehér fényből.
[ ][][ ] C 1 R M =1 − G Y 1 B
YIQ – intenzitás (Y), két kromaciták – I,Q-ra kisebb sávszélesség! inhomogén színraszterezés. (NTSC) – YUV: PAL
[][
Y 0 . 299 0 . 587 0. 114 I = 0 . 596 −0 . 275 −0 . 321 Q 0 . 212 −0 .523 0. 311
][ ] R G B
XYZ – Kromacita ábra (ld. feljebb)
[ ][
][ ]
X 2 . 769 1 . 752 1. 130 R Y = 1 . 000 4. 590 0 . 060 G Z 0 . 000 0 . 057 5. 599 B
HSI – hue, saturation intensity Emberi szem észlelési módjához kapcsolódik. I önálló, leválasztható a szín tulajdonságtól. Konverzió:
I =0,3 R0, 59 G0,11 B R−I H =arctg B−I ∣D min∣ pl .∣R− I∣ S= = I I Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 14/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
2.6. Bináris képek 2.6.1. Geometriai jellemzők Terület
A=∑ ∑ b x , y több objektum: eredő Pozíció
∑ ∑ x⋅b x , y ∑ ∑ b x , y ∑ ∑ y⋅b x , y y = ∑ ∑ b x , y
x =
Orientáció legkisebb másodrendű nyomatékhoz tartozó tengely iránya
E=∑ ∑ r 2⋅b x , y minimalizálni (megkeresni a tengelyt, melyre minimum) Átmegy a súlyponton Vetület rajz 1 (sima vetület)
s t
Bizonyítható: 3 vetület elég az orientáció meghatározására. Ábra 0°, 45°, 90° vetülettel Átmérő Alaktényezők diszkrét geometria távolság ponttól, szomszédság
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 15/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
4 4 3 4 3 2 4 3 4
4 3 2 1 2 3 4
4 3 2 1 0 1 2 3 4
4 3 2 1 2 3 4
4 3 4 2 3 4 3 4 4
3 3 3 3 3 3 3
3 2 1 1 1 2 3
3 2 1 0 1 2 3
3 2 1 1 1 2 3
3 2 2 2 2 2 3
3 2 2 2 2 2 3
Orvosi Informatika Gépészmérnöki Kar Óravázlat
3 3 3 3 3 3 3
Szomszédság 4/8 vagy 6 (hatszöges elrendezés, vagy kihagyni két átellenes sarkot) 2.6.2. Topológiai tulajdonságok lyukak száma Euler szám 1 elem: +1, 1 lyuk: -1 két elemet keresünk: 0 0 0 1
0 1 1 1
első: +1, másik -1 2.6.3. Futáshossz kódolás Run Length Encoding (rle) Már digitalizálásnál: számláló összefüggő „1” és „0” szakaszok hossza. 0
1
1
1
1
0
0
0
1
1
0
0
0
0
[1, 4, 3, 2, 4] − az első elem mindig 0 − sor vége speciális kód Cél: geometriai jellemzők gyors meghatározása
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 16/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Terület
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1
1 1 1 1 1 1
1 1 1 1 1 1 1
+1
0
-1
0 2 3 5 6 8 8 7 3 0
páros szakaszok összege Vetület vízszintes: fenti ábra függőleges
+1
0
0
-1
+1
0
0
0
0
-1 -1
+1
-1
+1
0
0
0
0
+1
0
0
0
0
0
0
0
-1
+1
0
0
0
0
0
0
0
-1
+1
0
0
-1
0
0
0
0
+1
0
0
-1
0
+2
+1
+2
-1
0
+1
+1
0
-1
-3
-2
0
0
2
3
5
4
4
5
6
6
5
2
0
0
derivált vetület
+1 ott, ahol 1 kezdődik, -1 oda, ahol 0 2.6.4. Matematikai morfológia Dilatáció minden pont helyett ponthalmaz Erózió ponthalmaz helyett pont Nyitás, Zárás nyitás D+E zárás: E+D 2.6.5. Szegmentálás megvizsgálni, felette, balra „1”? Ha igen ugyanaz a szám. Ha nem új szám bevezetése. Ha különbözik, két régió olvasztása.
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 17/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
2.6.6. ??? Unió ( X ∪Y ), metszet ( X ∩Y ) 2.7. Restauráció 2.7.1. Szűrés ld. feljebb A súly mindig 1! -1 -1 -1 -1
9
-1
-1 -1 -1
0
-1
0
-1
5
-1
0
-1
0
1
-2
1
-2
5
-2
1
-2
1
1 1 ⋅¿ 8 1 ¿ 1
1
1
0
1
1
1
1 1 ⋅¿ 9 1 ¿ 1
1
1
1
1
1
1
1 1 ⋅¿ 16 2 ¿ 1
2
1
4
2
2
1
medián Életlenség Konvolúció egy folttal dekonvolúció Wiener szűrő: eredeti + visszaállított kép négyzetes hibájának minimalizálása 2.7.2. Geometriai korrekciók Képfelvevő torzít kalibráció
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 18/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Perspektív torzítás Objektum és mérőeszköz elmozdulása Objektum különböző nézetei közötti megfeleltetés 2.7.3. Lineáris geometriai korrekciók
p ' = A⋅p
[ ][
a 12 x ⋅ a 22 y
[ ][
a 12 a 22 0
][ ]
a 11 x' ' = y a 21 ' a 11 x ' y = a 21 1 0
][ ]
a 13 x a 23 ⋅ y 1 1
- normált homogén koordináták
Léptékváltás
a 12=a 21=0 nagyítás kicsinyítés tükrözés projekció Nyírás
a 11=a 22 =1 a 12≠0 vagy a 21≠0 Forgatás
[
cos ϕ −sin ϕ 0
sin ϕ cos ϕ 0
0 0 1
]
Eltolás
[
1 0 0
0 1 0
a 13 a 23 1
]
Összetett szorzat, vigyázni a sorrendre (pl. eltolás + forgatás) 2.8. Orvosi felhasználás Film nélküli radiológia. Computed Radiography (CR) Direct Radiography (DR) Film Digitalization Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 19/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Ultrahang Nuclear Medicine Angiográfia Fluorszkópia
patológia endoszkópia bronchoszkópia
CT, MRI 12 bit (4096 árnyalat) 2.8.1. PACS Picture Archival and Communication System digitalizálás, kommunikáció, tároló, terjesztés, megjelenítés, feldolgozás 80 db 256x256x2byte = 20 db 512x512x2 byte, 2 db 2kx2,5kx2byte Archiválás rövid lejáratú 2-3 hónap után törölni, hozzáférés 2sec CR képekhez, 10sec egy 20 képből álló CT-hez tárolás RAID (Redundant Array of Inexpensive Disks) 20-256 GB hosszú lejáratú 20sec-5perc tárolás streamer, nagy kazetták (Digital Linear Tape / DLT) DVD (Digital Versatile Disks) –4.7GB 20GB - 2TB Megjelenítés 2000*1500, 2500-2000 17’’ Display eszközök: (számjegyes, led…), CRT, LCD (TFT), LED, DMD (Digital Micromirror Array) Hálózatok megosztott adatok teleradiológia – kommunikációs sebesség minőség Minőségbiztosítás 4 alrendszer:
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 20/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Kép digitalizálási alrendszer Kép kimeneti és megjelenítési alrendszer Képi adatbázis és tárolási alrendszer. Kommunikációs hálózati alrandeszer 2.8.2. DICOM Digital Imaging Communications in Medicine Tömörítés veszteségmentes reverzibilis, bitmegőrző DPCM – Huffmann kódolás (ha gyakori párok, nem veszi figyelembe) RLE Lempel-Ziv karaktersorozatokra épül. Ha nincs sok ismétlődés, vyga kicsi a kép, nem túl jó. Pl. (Huffmann) „dbadacaabacabaab” (16 karakter) standard kódolás: a 00 b 01 c 10 d 11 11 01 00 11 00 10 00 00 01 00 10 00 01 00 00 01 (32 bit) 50% a, 25% b, 12,5% c, 12,5% d a0 b 10 c 110 d 111 111 10 0 111 0 110 0 0 10 0 110 0 10 0 0 10 (28 bit) 11110011 10110001 00110010 00100000 = F3 B1 32 20 = 243 177 50 32 (4 karakter) karakterkészlethez (pl. nyelvhez rögzíthető) képeknél: felette ill. a tőle balra eső átlagából kivonja a sajátját, s ez tárolja el. Nagyon gyakori a 0 körüli érték. Adatvesztő irreverzibilis, bitvesztő Aritmetikai (egyszerű átlagolás) DCT (Diszkrét Koszinusz Transzformáció): hasonlít az FFT-re JPEG (Joint Photographic Experts Group): 8x8DCT + Huffmann
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 21/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Nagyobb terület átlag színe, kisebbé… Foveálás lényeget átvinni Karakterkészlet, Adat biztonság 2.9. 3D modellezés szerep: protézis, daganatok (pl. előműtét) CT-MR adatok egyesítése 2.10. Képi adatbázisok Keresés Lényeg kiemelés jellemző vektor Mozgóképes adatbázis 2.11. szubpixeles módszerek illesztés sok pont átlagolás
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 22/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
3. Robotika az orvostudomány szolgálatában Gépek ember munkáját (fizikai) segítik – pl. ék, csiga; gőzgép: ókori görögök kr. e.100-200 Robot (Isaac Asimov) közvetlen emberi beavatkozás nélkül is végzi, programozva. Orvostudomány: Pontossági igény műtéteknél, kevés jó orvos, túl sok információ Mikrorendszerek orvosi robotika nagy fejlődés 3.1. Fogalmak Robot: programozható gép, mely képesek előre nem látott eseményekre reagálni, ill. manuálisan, vagy processzoros rendszerekkel távolról is vezérelhetőek. 3.1.1. Mikrorendszerek 80-as évek mikroszintű manipulációk. évtized vége: Mikrogépek (passzív alkatrészek), minden alapvető fontosságú részegységet miniatürizálnak (érzékelők, beavatkozók, jelfeldolgozó egységek…). teljes értékű mikrorendszerek A makro-, és a mikrovilág robotjai között a különbség a munkatér és a műveletek nagyságrendje. (nm - cm) Stabilitás, megbízhatóság: mikrorobot mérete „csak mini” 3.2. Alkalmazások az orvostudományban 3.2.1. Terápia, műtétek − Sebészi asszisztáció, robotizált asszisztensek, rutin műtéteknél, ortopédiai eljárásoknál − Non/minimal-invazív műtétek − Ritka műtétek távoli irányítással − Gyógyszerészet: Gyógyszeradagolás a megfelelő helyre, mikrorobotokkal − „karbantartás”: Érrögök tisztítása 3.2.2. Laboratóriumok − Robot rendszerek Laboratóriumok számára, teszt és különféle vizsgálatok segítésére − Gyógyászati adagoló készülékek, − Mikroműveletek: manipuláció szöveteken, sejteken 3.2.3. Védelem, diagnosztika − Személyes biztonság betegeknek, melyek könnyen elesnek, vagy más módon sértik meg magukat. − Diagnosztikai, kezelői eszközök, orvosok, ápolók gyógyszerészek részére − Ágyra installálható életjel és egyéb diagnosztikai modulok, melyek azonnal figyelmeztetik a személyzetet. − Elmebajos, Alzheimer-kóros Betegek mozgásának és aktivitásának figyelése, védelem, figyelmeztetés… 3.2.4. Személyi kiszolgálás − Szállítás: (kórház/otthon-ba/ból, egyéb helyekre), lakáson belül, ágyból tólószékbe/vissza − Otthon fekvő betegek ápolása (gyógyszer kiadagolása, vérnyomás mérés, …) − Kórházi és otthon fekvő betegek tisztítása, mosdatása, ill. azokban való segítség Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 23/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
− Öltözködés, testápolás (borotválkozás, mosdás, fogmosás, sminkelés) segítése − Étel szállítás, segédkezés az etetésben és ital biztosítása − Lakás, kórház takarítása, incontinentia esetén pelenka cserélése − Ágynemű csere, fürdőszoba ellátása (lepedő, takaró, törülköző, WC papír, zsebkendő, személyes higiénia készlet) 3.3. Robotok felépítése feladattól függ. makrorendszerek ismert gépészeti struktúrák mikrorendszerek új anyagtechnológiai elven működő erők 3.3.1. Makro rendszerek 2-3 szabadságfok Mobilis robotok szállítás, 2D mozgás pozicionálás (pl. lézer…) 6 szabadságfok teljes tér leírása TTTRRR, … Alap test + csukló, hagyományos tekercses motorok; léptető motorok nem igazán Koordináta transzformációk: Mátrix alapú módszerek (már Asimov), operátor bonyolult mechanikai egyenletek (dinamikus) végpont szempontjából minden esetben elég. − Műtéteknél stabil, biztos, de nem intelligens, nem jól reagál. − Teleoperációk: távolról irányítva. Másik oldalon hasonló jellegű karok, orvos érezze, amit csinál: „Force feedback” − Személyi védelem: hasonló okokból (eleső embert elkapni…) − Gyógyszerészet: adagolás, elsősorban gépek robotika irányába halad (átprogramozhatóság) − Személyi felhasználás jövő. Nehezen algoritmizálható. Az ember „okos”, ki tudja cselezni a gépet. Sok szabadságfok redundáns sok variáció, sokszor aRaRaRaRaR…, vagy aRRaRRaRRaRR… bonyolult irányítási algoritmusok cél végpont, közben ne legyen probléma a kar többi részével − Nehezen hozzáférhető helyek − Non/minimál invazív műtétek. több szabadságfok műtő karok, endoszkóp(világítás, kamera), tágítók veszélyes helyek: hasnyálmirigy, aorta menti nyirokcsomók (hátulról kéne hozzáférni, de bordák, vastag izomkötegek…), középfül, agyalapi mirigy, katéter mikrorobotika
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 24/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
3.3.2. Mikrorendszerek Rendkívüli változatosság Makro-elvek nem működnek új technológiák Zajok mértéke nagy. Új anyagtechnológiai módszerek Drótnélküli kapcsolat guruló-, lépő-, kapaszkodó-, úszó-, ill. repülőmozgás Miniatűr robotok mm-es tartomány pl. csőrendszer felügyelete (anyahajó + felügyelő modul + művelet végző modul) Mikrorobotok mikrométeres tartomány ma legtöbb ilyen (ld később) Nanorobotok nanométeres tartomány mechanika egyáltalán nem működik Biotechnológiák, enzimek végső funkció, molekuláris biológia, esetleg sejtek Sejt alatti méretek Enzimek működése, zár-kulcs rendszer Technológia merevítők, tartó rudak, foglalatok rugók, kötelek, drótok kapcsok, ragasztó szolenoidok, aktuátorok
Feladat erő-átvitel, rögzítés
motorok
tengelyek forgatása
hajtótengely csapágyazás
forgatónyomaték átvitele mozgó alkatrészek megtámasztása
tartó edények csövek
folyadékok tárolása folyadékok szállítása
pumpák szállítószalag
folyadékok mozgatása részegységek szállítása
pillanatszorítók szerszámok
munkadarabok megfogása munkadarabok megmunkálása
gépsorok
eszközök építése
Dátum: Dokumentum:
mechanikai feszültség továbbítása részek összetartása, -kapcsolása tárgyak mozgatása
2007. október 18. OI.pdf
Molekuláris példa mikrotubulus, cellulóz, ásványi szerkezetek kollagén molekulák közötti erők szerkezetüket változtató fehérjék, aktin-miozin bazális test (a csilló motorja) baktérium ostora, csillói molekulán belüli szigmakötések üregcsék (vezikulák) különféle csöves (tubuláris) szerkezetek csillók, membránfehérjék a riboszómák felszínén továbbítódó RNS-lánc enzimek aktív centruma fémtartalmú komplexek, funkciós csoportok enzimrendszerek, riboszómák
oldal 25/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
irányító rendszer
Orvosi Informatika Gépészmérnöki Kar Óravázlat
programok tárolása és beolvasása
génrendszer
Pl. LAC-operon (laktóz bontása) Műanyag emésztő baktériumok (nem programozhatóak) 3.4. Mikrorobotika gyógyszeradagolás sejt/génmanipulációk 3.4.1. Zavaró tényezők Pára: vízmolekula túl nagy Környezet rezgései, ember járkálása… Hőmérséklet: deformáció, mechanikai feszültségek Súrlódás: akár előnyt is jelenthet 3.4.2. Anyagtechnológia Energia mozgás − fény (elektromos energia, vagy hőenergia) − elektrokémiai reakciók (elektromos energia) − nukleáris reakciók (termoelektromos, hőenergia) − elektromos ellenállás melegedése (hőenergia) − részecskenyaláb-fűtés (hőenergia) − Exoterm kémiai reakciók (hőenergia) − Mechanikai súrlódás (hőenergia)
Metódus Elektromágneses
Hatékonyság magas
Sebesség gyors
Energiasűrűség magas
Elektrosztatikus Termomechanikus Halmazállapot-váltó Piezoelektromos Emlékező fémek (SMA) Magnetostriktív Elektroreologikus Elektrohidrodinamikus Diamágneses
nagyon magas nagyon magas nagyon magas nagyon magas alacsony közepes közepes közepes magas
gyors közepes közepes gyors közepes gyors közepes közepes gyors
alacsony közepes magas magas nagyon magas nagyon magas közepes alacsony magas
Elektromágnes, motorok leggyakoribb a makrorobotikában, mikroban nem elég hatékony, rosszul gyártható kis méretben sérülékeny
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 26/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Elektrosztatika gyors változások, töltések jó hatékonyság nagyon kis távról áramfelvétel kicsi Piezoelektromos anyagok (kristály, kerámia) feszültség deformáció kis elmozdulás nagy sebesség hajlító elemek (egyik oldalon rögzítve) Nagy feszültség igény Nagyon gyakran használt! Ferroelektromos nagyobb deformáció alacsony hiszterézis gyors relaxáció de: Nagyon erős hőmérsékletfüggés Nagy térerőigény Magnetostrikció mágneses tér deformáció térigényes (elektromágnesek) nagy teljesítmény felvétel SMA (Shape Memory Alloy) – emlékező fémek áram hő deformáció lehülés vissza nagyon lassú kicsi hely nagy erő folyadékban hatékonyabb (nagy erők) Elektroreológikus (Hidraulikus) Elektromos erőtér folyadék viszkozitása áramlása megváltozik kis pontosság Elektrohidrodinamikus poláris folyadék + erős elektromos tér folyadék áramlás. Nagy feszültség, is áram Mozgó alkatrész nincs!
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 27/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Mesterséges izmok fibrilláris szerkezetű szerves polimerek kémiai ingerlés jelentős hossz-változás Rezonáns aktuátorok Saját frekvencián gerjednek nagy sebesség jó hatásfok nehéz előállítani 3.4.3. Példák Laboratóriumi mikrosebészet szövetek elemzése szövet manipuláció rovar boncolás Orvosi mikrosebészeti beavatkozás szemműtétek agyműtétek belső szervi műtétek érsebészet RAMS telerobotikai rendszer NASA-JPL, MicroDexterity Systems inc. 400cm3 területen 10um felbontás kutatási célra, de szem, agyműtétek force feedback mikrosebészetimanipulációk: 50-100 um, 20-30 szoros nagyítás gyengébb sebész is nagy pontosság, ügyesebb olyat is, ami amúgy lehetetlen. 6 DoF RRRRRR Artemis Karlsruhei Kutatóközpont Telesebészet MMI (MAN-Maschine Interface) TCP/IP, UDP Pozicionáló feladatok kutató laborokban DNS-chip gyártás adagolás Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 28/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
DNS-csip DNS-szálak kapcsolódnak. PCR (Polimeráz Láncreakció) 6-7 millió DNS-szál/cm2 komplementer fotolitográfia előny: egyedspecifikus gyógyszerek, „albetegség”-specifikus kezelés Egyedi gyártás! MINISTER Sejten belül genetika Elektrofiziológia, idegélettan Enzimkinetika, transzportfolyamatok kutatása Modern szövettan Mikro-injektálás, pikoliter nagyságrendű adagolás Szövetek szétválasztása, metszetkészítési eljárások Sejtmembránon, illetve sejten belüli mikro-elektródás mérések (patchclamp, voltage-clamp…) Szöveti mintákból sejtek leválasztása, transzportja, mikro-ablációs technikák Sejtek mozgatása optikai csapdákkal (laser tweezers: lézer csipesz) Sejtorganellumok mikrosebészete, lézeres vágás Cell Robotic Workstation INTRACEL Invertált mikroszkópos munkaállomás (gépi vezérlésű manipulátorral és videó kamerával kiegészített mikroszkóp) Lézer-csipesz automata funkciókkal (sejtek mozgatása, fényimpulhzushajtja a sejtet) Lézer-olló 0,5 ∝m minimális vágási szélességgel Sejt-válogató és mikroinjektor MINISTER BME, IIT, 1995Felépítés, elv alkalmazások…
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 29/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
4. Adattárolás Fájlok • Szöveges fájlok (formázatlan, formázott) • Álló és mozgóképek • Hang fájlok Strukturált adatok • Táblázatkezelők • Adatbázisok • XML 4.1. Általános 4.1.1. A számítógépes adatábrázolás következményei · kis helyen nagy adatsűrűség · egyidejűleg több helyen hozzáférhető információ · szükségszerűen nagyobb rendezettség · többféle rendezési szempont szerint megjeleníthető információ · “dinamikusan” olvasható 4.1.2. Rendezett halmaz Adatbázis File Rekordok Mezők 4.2. XML Adattárolás, dokumentáció, adatcsere EXtensible Markup Language ~ HTML (GML → SGML ( → HTML ) → XML) célja: adatok leírása nincs előre definiált modell, struktúra (saját címkék) 4.2.1. Előnyei és hátrányai Előnyök Ember számára is olvasható szöveges formátum Hierarchikus jellegű adatstruktúrák ábrázolására alkalmas: fák, listák, táblázatok, adattáblák Szigorú szintaxis, szabványban rögzítve: hatékony elemzés és feldolgozás, áttekinthetőség Nyílt szabvány (W3C ajánlás, 1998) Platformfüggetlen szabvány (nem kompatibilis rendszerek között is használható) A formátum önmagát dokumentálja: szerkezetét, mezőit tartalmazza (DTD, Schema kiegészítéssel) Sok tapasztalat, bejáratott Unicode támogatás
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 30/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Hátrányok Redundáns, túl sok adat:nagy méret, nagy sávszélességigény → jól tömöríthető! Nem alkalmas bináris adatok (kép, videó, hang) tárolására Adatok nincsenek típusítva: csak szövegesek – nem lehet tudni, hogy szám, vagy más (XML Schema ill. XML 2.0). Nem lehet a dokumentum egyes részeit módosítani. Nem hierarchikus jellegű adatstruktúrák modellezésére alkalmatlan (megoldható, de nem támogatja) 4.2.2. Mire használható? ●
Adatcsere – Inkompatibilis rendszerek között (ld. odt, MS office, …), komplexitás csökkentése.
●
Adatmegosztás - Szoftver és adatfüggetlenül lehet adatokat megosztani, hogy tetszőleges szoftver használhassa őket.
●
Adattárolás – fájlban, vagy adatbázisban
●
Új adatnyelvek – HTML után WML (Wireless Markup Language)
●
Jövőben „minden” alkalmazás. (ld. Microsoft)
4.2.3. Szintaxis
... Kovács L. Géza <született>1967-12-25 Dr. Vancsicsákné Hódosfalvy Rozália <született>1951-10-23 ... Egymásba ágyazott elemek: nyitó/zárócímkék, case sensitive attribútumok '...', "..." metainformációk (azonosító, Dokumentációnál egyértelmű. '.."..' vagy "..'.."
módosítás
időpontja
stb.)
Sok
vita!
üres elemek: <módosítva időpont="2006-11-19 19:27" /> ≡ <módosítva...> nem lehet átfedés!
FONTOS! elemtartalom, kevert tartalom, egyszerű tartalom, üres tartalom gyökérelem – csak 1, de az mindenképp – fájl lényege deklaráció (verzió: 1.0 (1.1), kódolás – utf8, iso-8859-2...) Kis/nagybetű fehérközök megörződ(het)nek (+crlf->lf) entitás, karakter, &
; (" ") (Щ Щ); (き き ) - saját definíció, hosszabb szöveg, akár teljes fájl
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 31/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
, ha az adat: -> tag lenne -> < > ' " & vagy 4.2.4. Sémák DTD Document Type Definition Séma leírás, az adott XML formátum előírásai. SGML-ből származik Egyszerű, sok mindent nem tud. XML Schema XSD – XML Schema Definition Sokoldalú adattípus rendszer – megkötések XML alapú bonyolult az implementációja 4.1.4. XML kiterjesztések ●
XPath,
XPointer:
hivatkozás
az
XML-en
belüli
komponensekre
(pl.
„/beteglista/beteg[2]”, /beteglista/beteg[vezetéknév="Kovács"]) ●
Xlink, XML Base: hivatkozás külső XML dokumentumokra
●
XQuery: lekérdezéseket lehet vele elvégezni az XML adatokon
●
XML névterek: Több XML szabvány együttes kezelésének lehetősége
4.1.5. XML fájlok feldogozása Adatok elemzése SAX (Simple API for XML) soros feldolgozás DOM (Document Object Model) hierarchikus egymásba ágyazott struktúra XQuery Adatok megjelenítése XSL (Extensible Stylesheet Language) kiterjeszthető stílusleíró nyelv CSS (Cascading Style Sheets) Lépcsőzetes stíluslapok 4.2.5. További Általános: http://www.w3.org/ Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 32/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
XML: http://www.w3.org/XML/ XML 1.0: http://www.w3.org/TR/2006/REC-xml-20060816/ Oktatóanyagok: http://www.w3schools.com/ 4.3. Adatbázisok Azonos minőségű (jellemzőjű), többnyire strukturált adatok tárolására, lekérdezésére és szerkesztésére alkalmas szoftvereszközök. Cél: az adatok megbízható, hosszú távon tartós (perzisztens) tárolása, és gyors visszakereshetőségének biztosítása. Fizikai adatbázis: hogyan tároljuk az adatokat Logikai adatbázis: mit tárolunk – adatmodell • tábla – egyszerű tábla (nem igazi modell) 1:1 • hierarchikus – fa szerű struktúra 1:N • hálós – gráf struktúra N:M • relációs – táblák (relációk) tulajdonságok a sorok, oszlopok értékek • deduktív - logikailag leírt modellre épülő adatbázisrendszerek • objektumorientált – tulajdonságokkal és képességekkel rendelkező objektumok, tartalmazás, polimorfizmus • dimenziós – többdimenziós hiperkockák, OLAP (On Line Analytical Processing) változó, rögzített attribútumszámú adatbázisok Adatbázis-kezelő: adatbázisokhoz való hozzáférést biztosító szoftveralkalmazás. 4.3.1. Adatmodellezés Külső modell: felhasználói programok Fogalmi, logikai modell: adatbázis struktúra Fizikai modell: fájlrendszer 4.3.2. Adatbázis kezelési funkciók a logikai modell megvalósítása (data definition languages) adatok visszakeresése (query languages) hozzáférés szabályzása (jogosultság) egyidejű hozzáférés szabályzása (felülírás) konzisztencia (integritás védelem) adatvédelem: mentések, tranzakciók naplózása stb. 4.3.3. Relációs adatbázis-kezelők Descartes szorzat, elemi egységekként kezelt entitásokat rendel egymás mellé, független koordináták Alapműveletek descartes szorzat – T1: V⊗K Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 33/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
unió – T2 = V∪K különbség – T3 = V-K kiválasztás – T4 = σKeresztnév=Zoltán(T1) vetítés – T5 = πVezetéknév(T1) Vezetéknév
Keresztnév
T1: Vezetéknév Keresztnév
T2: Unió
T3: Különbség
T4: Vezetéknév Keresztnév
Kovács
Zoltán
Kovács
Zoltán
Kovács
Gábor
Gábor
Kovács
Gábor
Gábor
Gábor
Zoltán
Zoltán
Gábor
Gábor
Gábor
Gábor
Gábor
Kovács
T5: Vezetéknév
Kovács
Zoltán
Kovács
Gábor
Zoltán
Kovács
Egyéb műveletek Metszet: X∩Y ≡ X-(X-Y) ⋈
Általános Unió: A(x,y)
B(y,z) ≡ πy(A⊗B)
Természetes illesztés: A(x,y) ⋈ B(y,z) ≡ σA.y=B.y(A⊗B) Általános illesztés: tetszőleges oszlopok összeköthetők. Példa: P: betegazonosító
betegnév
D: betegségazonosító betegségnév
H: betegazonosító
betegségazonosító
R: betegségnév
P:X23Z71
Kovács Zoltán
D:E6WZ7R
TBC
P:S6W98E
D:E6WZ7R
TBC
P:S6W98E
Szabó Gábor
D:Q7ER63
arcüregpolip
P:X23Z71
D:W246W2
gégerák
P:QE2WW4
Takács Péter
D:W246W2
gégerák
P:S6W98E
D:W246W2
P:4IW2U7
Szűcs Zsolt
D:273ZE8
oesophagitis
P:4IW2U7
D:273ZE8
Kérdés: Szabó Gábor betegségei (R) R = πbetegségnév(σP.betegnév=Szabó Gábor(P ⋈ H ⋈ D)) SQL Structured Query Language – MySQL, PostgreSQL, Oracle, MS SQL Eredetileg IBM relációs adatbázisa, de 1986 Standardizálva. SQL:2003 – XML kompatibilitás SQL:2006 – XQuery-vel kombinálható
Adatkinyerés Új adatok felvétele Adatok törlése Adatok módosítása
SELECT betegnév FROM P; πbetegnév(P) Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 34/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
SELECT betegazonosító FROM P WHERE betegnév='Szabó Gábor'; πbetegazonosító(σbetegnév=Szabó Gábor(P)) SELECT betegségnév FROM P NATURAL JOIN H NATURAL JOIN D WHERE betegnév = 'Szabó Gábor';
DELETE FROM P WHERE betegnév='Szabó Gábor'; INSERT INTO P VALUES ( 'P:3W4RQF', 'Ács József' ); UPDATE P SET betegnév='Dr. Szabó Gábor' WHERE betegnév='Szabó Gábor';
speciális függvények (matematikai, szöveg, dátum...) rendezés, csoportosítás, select in select adatbázis, táblák létrehozása felhasználók kezelése, hozzáférési jogok konfliktuskezelés (tranzakciók, locking) triggerek saját függvények, view-k XML importálás, exportálás, feldolgozás + XQuery
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 35/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
5. Kommunikáció Információ újdonságok és tények valamiről / News or facts about something (Cookie monster, Sesame street) új ismeretet/tényt hordoz (gépies ismételgetés nem információ); igaz (ami nem igaz az nem információ) Kommunikáció Információ kicserélése, áramlása / Exchanging information (Cookie monster, Sesame street) Kommunikáció lépései − Az információ KÓDOLÁSA (a küldő oldalán) − A kódok KÜLDÉSE és VÉTELE (csatornán keresztül) − Az információ DEKÓDOLÁSA a kódból (vevő oldalán) Kommunikáció Típusai online – offline point to point – broadcasted human-human – human-machine – machine-machine 5.1. Lehetőségek PSTN: Közüzemi telefon hálózatok Mobil kommunikáció Műholdas kommunikáció Interaktív multimédia kábeltelevízión LAN’s: Lokális hálózatok WAN’s: Távoli hálózatok Internet Számítógépek közti adatcsere igényli a szabályozott standardizációt a kommunkációban, pl. ISO 5.2. Vezetékes kommunikáció Francis Bacon,1627, New Utopia (hosszú cső) Alexander Graham Bell: 1876, Március 10., Boston, Massachusetts feltalálja "Mr. Watson, come here, I want you!"
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 36/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
PSTN (telefon) Koordináció – közvetlenül Kórtörténeti adatok továbbítása – modem Cukorbetegek telematikai gondozása – műszer betegnél, kórházi munkaállomás, klinikai adatbázis ISDN Diagnózis felállítása kép transfer útján: Tele-radiológia ATM Klinikai vizsgálatok nagy-felbontású videó-konferencia segítségével. Szélessávú technológia – valós idejű hang, kép és adatátvitel LAN és WAN rendszereken Az adatok digitális jelként továbbítódnak optikai kábeleken igen nagy sebességgel Időosztásos többszörözésen alapul 5.3. Mobil kommunikáció Rádió hullámok: 10Hz-3000GHz AM:
1879-1886 David Hughes, első mobil telefon hívás 1880 fotofon: napfény tükörre, az akusztikai hullámok mozgatják a tükröt, vevő oldalon parabolatükör, fókusz pontban fényérzékeny szelénium cella 1975 900MHz, Japán csatorna: frekvencia pár (egy oda, egy vissza) alacsony frekvencia: gyenge jel – gyenge, erős jel nagyon messze visz, ugyanz a csatorna nem használható 1983 TI: DSP GSM, TDMA -1985/88: ahány ház, annyi szokás (országonként) Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 37/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
1981 NMT első multinacionális Európa- GSM: Új technológia, cellarendszerű, de teljesen digitális, a kor legjobb technológiáit tartalmazza, ISDN szerű, hogy annak vezeték nélküli része lehessen. – USA régi toldozása 1990- USA: TDMA (Time Division Multiple Access) – IS54 1991 DCS1800 (1800MHz) USA GSM: DCS1900, de nagy kavar, mivel európai 1990-es évek közepe TDMACDMA GPRS General Packet Radio Service Bluetooth vezeték nélküli adatátvitel közeli készülékek között G3 114kBit-2Mbit / sec adatátvitel 5.3.1. működés 1km-50km (GSM max 10km) minden cellában ugyanaz a frekvencia-készlet 5.3.2. Felhasználás EKG, hang továbbítása mentőautóból sürgősségi osztályra – adattovábbítás GSM útján − Kábelnélküli kapcsolat − Nagyteljesítményű rendszerelemek − Központi kommunikációs kapcsolatot igényel − Komplex intelligens hálózati igény az optimális “bolyongás”-ra − Digitális kábelmentes telefonhálózat alapkövetelmény − A digitális telefon optimálisan használja fel a szűk rádió f frekvencia-tartományt − Érvényesüljenek a GSM nyújtotta előnyök − Internet kapcsolat GSM útján lehetséges Multimédia terminál telemedikális felhasználásra: − nagykapacitású pc − kommunikációs kapcsolatok (gsm + pcmcia board),orvosi műszer − sd - sw, képátviteli rendszer mobil felhasználásra 5.4. Műholdas kommunikáció NASA 1945 ötlet (Arthur C. Clarke) 80-as évek vége: TAT-8 optikai kábel az Atlanti óceánon jövő! (Műhold egyelőre megbízhatóbb, broadcast üzenetekre jobb)
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 38/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
5.4.1. LEO Low Earth Orbits PCS – Personal Communications System: mindenki magával hordja a telefonját, hang/adatátvitel akárhol. Legismertebb: Iridium – 66 műhold (eredetileg 77 lett volna, s a 66-os rendszer neve Dysprosium).1998-ra kellett kiépülnie. 3mrd dollár. csőd, potom áron eladták. (GSM terjedése) Globalstar, számos kicsi A problémák elsősorban nem technikaiak, hanem politikai, társadalmi… 5.4.2. Példák Nemzeti referencia központok, orvosi könyvtárak, egyetemi klinikák, kutató központok A globális kommunikáció fontos eleme A műholdas kapcsolat tartalmazza: Geostacioner műholdak rendszere Pont-pont kapcsolatú fix rádiós műholdak Rendkívül szűk nyílású végpontok Direkt rádiós műholdak Mobil és személyi kommunikációra fejlesztett műholdak Alacsony orbitális műholdak 5.5. Kábel TV Hang, kép adat Kábel TV hálózat megvalósítása, mint Hybrid-Szál-Koax topológia Alkalmas rádió és kétcsatornás multimédia kapcsolatra Dekóder egység a felhasználó lakásában, egy interfész az analóg egység és a kétszálas szélessávú modem között rákapcsolva a hálózati kábelre Minden szolgáltatás a kábel TV hálózaton: Videó igény szerint, Telefon kiszolgáló, Szélessávú Internet kapcsolat 5.6. Internet Hálózatok hálózata – hálózatok között átjárás 5.6.1. Történet ARPANet, Advanced Research Projects Agency (ARPA: USA kormányszerv), 1969 eredeti cél: egyetemek közti kommunikáció üzenetek nem csak egy útvonalon érkezhetnek (valahol valami megszakad – katasztrófa/támadás nincs gond, rendszer üzemképes) 5.6.2. Internet ma nyilvános, kooperatív, önfenntartó szolgáltatás emberek 100 millói Összes nyilvános kommunikációs eszközt használja (mobil, műhold, pstn) Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 39/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Email gyakorlatilag kiszorította a postai levelezést Telefonálás, videokonferencia World Wide Web – HTML (Hyper-Text Mark-up Language) 5.6.3. E-mail Internet forgalmának nagy része (nem adatok, hanem) off-line, de néhány másodperc (levelező programtól függően percek is lehetnek; GRAVIS 19962000) pont-pont, de több helyre is elküldhető adatok: egyszerű szöveg (ASCII), formázott szöveg (HTML), voice- vagy video-mail, csatolt adatok (tetszőleges: bináris, kép, hang…) Listák: aki fel van iratkozva, megkapja; aki küldi, nem tudja kinek www.liszt.com 5.6.4. News Groups hírcsoport – üzenetek hozzászólások konkrét témában. News szerverre UseNET többi szerver Fő témák: alt (alteration), soc (society), sci (science), hun (hungarian), comp (computers)… létező csoportba / új létrehozása Moderált / nem moderált Off topic 5.6.5. Online Chat társalgás azokkal, akik egy-időben használják a WEB-et. begépelt üzenetek csoportos (aki belép látja) – privát (két/több fél között) csoportos társalgás adott témában IRC (Internet Relay Chat) protokoll: #magyar, #csevej Akár hang/kép is 5.6.6. Telefon over IP távolsági hívás helyi hívás díjáért FAX Hangüzenet E-mail mellett. Hangkártya, Modem, hangszóró 5.6.7. Videó over IP Nagy sávszélesség igény gyenge minőség − Online pont-pont video-konferencia (inkább nagy sávszélességű telefon vonalon, komoly tömörítés) − élő broadcasted (sugárzott) egy irányú hang/kép − interaktív audio/video archivum (letölteni fájlt, majd gyors gépen lejátszani – offline)
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 40/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
5.6.8. Ember-gép emberek szgépek erőforrásait használják (programok futtatása) Adatok letöltése (szöveg kép hang) Szervertől kérjük az adatot Rendszergazda előzőleg engedélyt ad 5.6.9. Fogalmak ISO/OSI protokollok Kliens/szerver architektúra TCP/IP DNS URL/URI 5.6.10. SSL/SSH más számítógéphez hozzáférés olyan jogok, mintha előtte ülnénk (pl. programok futtatása) ssh account@URL biztonsági kérdések, jelszó / public key 5.6.11. FTP/SCP File Transfer Protocoll / Secure Copy Protocoll számítógépek közötti fájlcsere ftp URL account, jelszó scp fájlnév célnév (pl. scp myfile account@URL:yourfolder) Fájlszerver FTP UNIX/DOS ASCII!!!, bin, ascii; (m)put, (m)get 5.6.12. World Wide Web Az Internet minden olyan felhasználása, ahol az alkalmazott protokoll a Protocol).
HTTP (Hypertext Transfer
Tim Berners-Lee (kifejlesztő): „The World Wide Web is the universe of network-accessible information, an embodiment of human knowledge.” HTML (Hypertext Markup Language) egy szimbólum- és kódgyűjtemény („markup”). A markup mondja meg a böngészőnek, hogy hogyan kell megjelenítenie az oldalon levő szavakat, képeket. URL alapján keresünk HTML/WML: szövegként beírható példa / szerkesztő WEB tárhely többnyire fizetős, de sok ingyenes (reklámért cserébe)
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 41/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
6. Orvosi képalkotás Kizárólag számítógéppel Olyan fizikai elven működik, mely közvetlenül képet alkot, vagy igen nagy számítást igényel. A számítógép alkalmazásai − Mérésekből kép alkotása − …? − Kép bemutatása − Kép minőségének javítása képfeldolgozási módszerekkel − képek tárolása és előhozása Sugárzások Sugárzások (többnyire EM) által alkottatik. Megjelenítés hordozón (film), vagy számítógépen. Spektrumok megváltoztathatóak. − Kis frekvencia 300 kHz − Közép frekvencia 3 MHz − Nagy frekvencia 30 MHz – Mágneses rezonancia képalkotás (MR) − Extra nagy frekvencia 300GHz − Infravörös 300 THz − Látható fény 750 THz – endoszkópia − Ultraibolya 3*10^4 THz – Fluoreszcens technikák − Röntgen 3*10^6 THz – Radiográfia (Röntgen) − Gamma 3*10^8 THz – Scintigráfia (CT) − Kozmikus sugárzások 3*10^10 THz Eljárások Rutin képalkotás: Ultrahang, CT, MRI Funkcionális képalkotás: fMRI, SPECT, PET 6.1. Ultrahang Piezoelektromos kristályokkal 2-10MHz (emberi hallás max 20 kHz) ~ radar visszaérkezés ideje, felületek határáról 6.1.1. A-mód (Amplitúdó) egy dimenziós, idő – amplitúdó függvény 6.1.2. M-mód (motion)/ B-mód (Brightness) egy dimenziós, idő – amplitúdó függvény, de amplitúdó – fényesség
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 42/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
másik tengely időbeli változás (egy impulzus egy sor) 6.1.3. C-Scan a nem merőleges felületeknél előzőek nem jók. Itt a kristály mozgatható, forgatható. Végigköveti a felületet. Egész biztos talál merőlegeset, nagy amplitúdóval. Jó, de lassú (néhány másodperc) 6.1.4. Sector Scan vonal mentén, vagy egy pontból 2D kép. Lehet pl. 100 kristály, egyesével aktiválva. Sokszor számítógépen keresztül képjavítva. Spec. B-mód 6.1.5. 3D- 4D-scan Kevésbé informatív, inkább látványos Elsősorban terhesgondozás 4D: 3D + idő (3D videóra) 6.1.6. Doppler effektus Folyadékok sebességének mérése. Ha közeledik nagyobb frekvencia, ha távolodik kisebb. A frekvenciában való eltolódás egyenesen arányos az eredeti frekvenciával, és az objektum sebességével (mint pl. sebesség mérés a kocsiknál) Távolság nem mérhető 6.1.7. Ultrahang előnyei nincs káros hatás terhes nők, fiatal gyermekek szív funkciók vizsgálata, agyi vizsgálatok szem vizsgálatok tumorok és ciszták érzékelése. 6.2. Radiológia 1895 Röntgen növekvő ütemben orvosi diagnosztika. (eleinte sarlatánok terápia: röggönyözés) Előadás nem kronológiai sorrend, hanem egyszerűbb módszerektől (pl.Digital Subtraction Angiography DSA), bonyolultak felé (Computed Tomography - CT). Bár a Mágneses Rezonancia (MR) nem röngten sugarakon alapszik azt is itt tárgyaljuk, az elve miatt. 6.2.1. Röntgen sugár képalkotása Röntgen sugár: Röntgen sugárcső. betegre fluoreszkáló detektor, mely látható fényt bocsát ki film/képernyő Különféle anyagok elnyelő képessége változó. Pl. tüdő alig, míg csont nagyon. Rendkívül nagy kontraszt, kis változásokra, ezüst film nem elég érzékeny. Kép erősítő segítségével elektromos jellé alakítható, majd az elektronok egy újabb fluoreszkáló felülten képet alkotva könnyen felvehető.
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 43/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Foszfor lapon is tárolható, mely lézerszkennerrel olvasható. A sugár közvetlenül megfigyelhető. Computed radiology Film is olvasható lézer film-digitalizálóval. Előző plusz ez: árnyékképek, shadow images. 6.2.2. DSA Erek, vénák: kontraszt anyagok (jód származékok elnyelik a sugarakat). Csontok miatt nem látszik a lényeg (szem gyenge, 3%-os eltérést nem vesz észre) Kép kontraszt anyag nélkül, majd vel. Kivonják a két képet egymásból, maradnak az erek. Kontraszt kiemelés Rajz. Mozgás ront rajta. Programmal javítható (elmozgatás). Legjobb képek a kontraszt anyag után, de akkor még helyek, ahol nincs. akkor az első rossz. Számítógéppel teljes érhálózatok 6.3. Számítógépes tomográfiára épülő eljárások Szervek valós geometriai eloszlása. Egymás mögött lévő dolgok korábbinál összemosódnak. Más módszereknél több kép különböző szögből, s a gyakorlott orvos tudja az infót, mely neki kell. CT egy emberi szelet valós 2D modellje. 1971 Hounsfield, Nobel díj 6.3.1. Radiológia – CT (Computed Tomography) Gamma sugárzás 4 generáció 1. egy cső 1 detektor 2. detektor sor 3. elég nagy detektor, hogy mozgatni ne kelljen, csak forgatni 4. generáció 360° fok detektor, csak cső mozog 1 m kevesebb, mint 1 perc szeletek 3D (pl Mimix) – orthopédia, agyműtétek, csont protézisek. 6.3.2. Nukleáris medicina – SPECT, PET SPECT (single photon emission computer tomography) – egyedi radioaktív izotópok -> gamma sugarak míg a fokozottan működő neuronpopulációkban aktívabb az anyagcsere és a vérkeringés, addig ennek ellenkezője igaz a sérült agyterületeken. PET, PET/CT rövid felezési idejű radioaktív izotóp nyomjelző anyag injekció, kapszula 6.3.3. MRI EM: test alapból nem mágneses, de a részecskéknek vannak spinjei, melyek kis mágnesek. A proton (hidrogén) össze-vissza mágneses, ezért nem az. Erős mágneses térben azonban iránytűszerűek.+ hőenergia. (0 K egy irányba állnának)
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 44/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Így kevés áll (0.1 Tesla esetén 10^6 ból 1). 1 ml víz 3*10^22 molekula 10^17 darab párhuzamos a mágneses térrel. mágnesesség. Ha egy külső mágneses tér mellett EM pulzálást adunk rá egy saját frekvencián sokkal jobban reagálnak a különféle izotópok. Ez a frekvencia a Larmor frekvencia (más-más izotópnál más) – 2-50MHz @1Tesla. Kép alkotása: Larmor frekvencián gerjeszteni, s megvizsgálni egyszerre csak a Hidrogén koncentrátumot… 6.3.4. Egyéb 3D képalkotó eljárások Transmission electron microscopy (TEM) „elektron tomográfia” 3D kép – mikorszkópikus méretek Ultraszonográfia: 3D-4D ultrahang 6.3.5. Sugárterhelések PET: 5-10mCi (curie) CT: 5-10mSv (sievert) Röntgen: 1-5mSv – felvételtől függ Természetes sugárzás: 1.8 mSv/év + 0.4mSv/év egyéb (pl. orvosi röntgen) Veszélyes dózisok: >2 Sv, maradandó károsodás >4-4,5 Sv, félhalálos (az emberek kb. fele belehal) >6-10 Sv halálos Előírások Foglalkozási korlát: 5 év alatt max 100 mSv, de egy évben max 50 mSv Lakossági korlát: 5 év alatt max 5 mSv
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 45/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
7. Egyéb alkalmazások 7.1. EKG Elektrokardiogram Testnedv: jó vezető testfelszín: potenciál ingadozások (szívizomrostok akciós potenciáljainak összege) regisztrátum: EKG. 7.1.1. Szív működése systole (összehúzódás): pitvarsystole kamrasystole cardialis ingervezető rendszer: SA-csomó (sinoatrialis) csomó(atrioventrikularis) His-köteg Purkinje rostok
internodalis
pályák
AV-
Mind kisülhet, de SA legelőbb (cardialis pacemaker) 7.1.2. EKG felépítése Térfogati vezető (vezetés térben oszlik meg), egyenlő oldalú háromszög, középpontban áramforrás: pot .összeg 0 Einthoven-háromszög: két kar, láb
0
0,2
0,4
0,6
s
Unipoláris elvezetések V1-6, aVR, aVL, aVF (erősített végtagelvezetések)
aVR=VR−
VLVF 3 ⇒ aVR= VR : másik két jellel erősítve, hibajavítás, nincs plusz semmi (csak 2 2
számítás). Bipoláris elvezetések I, II, III korábbi két végtag közötti potenciálkülönbség 7.1.3. Szívvektor szívvektor
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 46/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
QRS-átlagvektor -30..+110 ° Vektorkardiográfia szívciklus folyamán való vektor változása. 7.1.4. HIS-köteg elektrogram (HBE) katéter vénán át jobb szívfélbe 7.1.5. Holter-monitor kis méretű hordozható EKG regisztráló arrythmiák mérése 7.1.6. Arrythmiák NSR: Normális sinusritmus: SA csomóból, 70/perc bradycardia: szívfrekvencia lelassul. (pl. alvás) tachykardia: felgyorsul belégzés felgyorsul, kilégzés lelassul. színuszcsomó betegség: szédülés, ájulás, bradycardia AV csomó: ritmuskeltés, ismétlődő kisülés korai pitvarikontrakció (pitvari extrasystole) pitvari tachykardia: 160-220/perc pitvari lebegés: 220-350/perc pitvarfibrilláció: >350/perc 7.1.7. Adatátvitel tömörítés 7.2. EEG Elektroenkefalogram Agyról elvezethető potenciálváltozás, agy felszínén (Elektrokortikogram), vagy agyban bipoláris (két kérgi), unipoláris (indifferens ponthoz viszonyítva) 7.2.1. Agyi tevékenység összetevői Alfa-ritmus semmire sem összpontosítva, csukott szem Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 47/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
8-12/s, 50uV Béta-ritmus 18-30/s Téta-ritmus 4-7/s Delta-ritmus <4/s 7.2.2. Aktivitás változásai Életkor: nyugalmi állapot - gyermeknél 0,5-2/s majd freki növekszik Alfa freki csökkenése: alacsony vércukorszint, alacsony hőmérséklet, glukokortikoid hormonok (mellékvese) alacsony szintje, magas artériás CO2 parciális nyomás (ez ki is használható) 7.2.3. Alfa blokk Alfa mintázat megszűnése: szenzoros ingerlés, szellemi koncentráció domináns frekvencia nélküli kis feszültségű aktivitás. 7.2.4. Alvás REM (Rapid eye movement) non-REM (lassú hullámú) Elalváskor alacsony amplitúdó, nagy frekvencia nagy amplitutó, kis frekvencia REM: lassú hullámokat felváltja egy-egy gyors, alacsony fesz, szabálytalan – hasonló az ébrenléthez, de csak szem remegés REM-ből felébresztettek álmodtak, nem REM-ből: nem Ha rendszeresen REM-ből felébresztés: szorongó, ingerlékeny; vége: több paradox alvás álmodás szükséges mentális egészséghez. (állatokban is). A REM elvonásnak nincs hosszútávon káros hatása. Periodikus kb. 90 perc, REM kb. 25%, éjszaka vége felé inkább REM Zavarok alvajárás, ágybavizelés: lassú hullámú alvás alatt alvajárás: főleg gyerek, főleg fiú, néhány perc narcolepsia: ismeretlen ok. Alvási kényszer napközben. Hirtelen REM alvás 7.2.5. Ébrenlét adrenalin, noradrenalin vészhelyzetek, figyelő állapot 7.2.6. Narkózis farmakon: jó zsiroldékonyság szinapszisokban a vezetés gátolt (neuronok hiperpolarizálódnak) 7.2.7. Mire jó? kórfolyamatok helyének megállapítása: agy sérülés, ömleny, epilepsziás gócok. Aktivitás megváltozik, lassul, szabálytalan
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 48/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
Epilepsziás roham: egyértelmű mintázat (grand mal, petit mal). Közte nem kimutatható. Pszichomotoros rohamok: nem mutatnak elváltozást 7.3. Egyéb alkalmazások csak példa jelleggel 7.3.1. Lézer felépítés néhány fajta használat célja 7.3.2. Azonosító chip-ek +Hőmérséklet mérés beültethető Energiaellátás nem megoldott, Szarvasmarhá fülébe
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 49/50
Dr. Vajda Ferenc Budapesti Műszaki és Gazdaságtudományi Egyetem Irányítástechnika és Informatika Tanszék
Orvosi Informatika Gépészmérnöki Kar Óravázlat
8. Irodalom [1] Bohn Stafleu Van Loghum, Handbook of Medical Informatics, Houten/Diegem 1996, Editor: J.H. van Bemmel [2] http://www.eur.nl/FGG/MI/handbook/home.htm [3] R. Addison-Wesley-Gonzales: Digital Image Processing, 2001, ISBN 0-201-50803-6 [4] http://www.w3.org/ [5] http://www.w3.org/XML/ [6] http://www.w3.org/TR/2006/REC-xml-20060816/ [7] http://www.w3schools.com/ [8]
Dátum: Dokumentum:
2007. október 18. OI.pdf
oldal 50/50